correction in two learnR A09ia and A09Ib

Author: GuyliannEngels

inst/tutorials/A09La_ttest/A09La_ttest.Rmd

@@ -4,7 +4,7 @@ author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD I Module 9** Distribution t de Student et test du même nom."
 tutorial:
   id: "A09La_ttest"
-  version: 2.2.1/9
+  version: 2.2.2/9
 output:
   learnr::tutorial:
     progressive: true
@@ -265,9 +265,8 @@ biometry <- read("biometry", package = "BioDataScience") %>.%
 
 ```{r bio_tab_h2, exercise=TRUE, exercise.setup="bio-prepare"}
 biometry %>.%
-  ___(., ___) |> summarise(
-    mean = ___(___), sd = ___(___), n = fn(bmi)) %>.%
-  ___(.)
+  ___(., ___) |> ssummarise(
+    mean = ___(___), sd = ___(___), n = fn(bmi))
 ```
 
 ```{r bio_tab_h2-hint-1}

inst/tutorials/A09Lb_ttest_wmw/A09Lb_ttest_wmw.Rmd

@@ -4,7 +4,7 @@ author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD I Module 9** Comparaison des tests de Student et de Wilcoxon/Mann-Whitney."
 tutorial:
   id: "A09Lb_ttest_wmw"
-  version: 2.2.0/11
+  version: 2.2.2/11
 output:
   learnr::tutorial:
     progressive: true
@@ -14,7 +14,7 @@ runtime: shiny_prerendered
 
 ```{r setup, include=FALSE}
 BioDataScience1::learnr_setup()
-SciViews::R()
+SciViews::R("infer")
 ```
 
 ```{r, echo=FALSE}
@@ -27,8 +27,6 @@ BioDataScience1::learnr_server(input, output, session)
 
 ------------------------------------------------------------------------
 
-**Ce tutoriel correspond à la version 2021-2022. Il est en cours de révision pour la version 2022-2023. Vous devez probablement penser à installer une version plus récente du package qui contient les exercices finalisés !**
-
 ## Objectifs
 
 Le test *t* de Student, ou plutôt les tests de Student puisqu'il en existe plusieurs variantes, utilisent la distribution *t* de Student comme distribution de référence pour comparer une moyenne par rapport à une valeur cible ou pour comparer deux moyennes entre elles. Dans ce tutoriel, vous allez pouvoir auto-évaluer votre capacité à :
@@ -93,21 +91,21 @@ Réalisez un résumé des données en fonction du traitement administré. Les in
 
 ```{r}
 variable <- c("mcpp", "treatment", "delta_weight", "group_by",
-  "summarise", "mean", "sd")
+  "summarise", "mean", "sd", "collect_dtx")
 sample(variable)
 ```
 
 ```{r mcpp_tab_h2, exercise=TRUE, exercise.setup="prepare_mcpp"}
 ___ %>.%
   ___(., ___) |> ___(
-    mean = ___(___), sd = ___(___), n = n()) %>.%
+    mean = ___(___), sd = ___(___), n = fn(___)) %>.%
   ___(.)
 ```
 
 ```{r mcpp_tab_h2-hint-1}
 mcpp %>.% 
   group_by(., ___) |> summarise(
-    mean = ___(___), sd = ___(___), n = n()) %>.%
+    mean = ___(___), sd = ___(___), n = fn(___)) %>.%
   collect_dtx(.)
 
 #### ATTENTION: Hint suivant = solution !####
@@ -116,7 +114,7 @@ mcpp %>.%
 ```{r mcpp_tab_h2-solution}
 mcpp %>.% 
   group_by(., treatment) |> summarise(
-    mean = mean(delta_weight), sd = sd(delta_weight), n = n()) %>.%
+    mean = mean(delta_weight), sd = sd(delta_weight), n = fn(delta_weight)) %>.%
   collect_dtx(.)
 ```